缅因库恩:为DICOM实现一个开源的Web浏览器 整体幻灯片图像与AI集成的PACS用于数字病理学

科学领域:

• 数字病理学数字病理学
• 人工智能在医学中的应用
• 医学成像信息学 医疗成像信息学

背景情况:

• 数字病理学面临的挑战是整合各种数据格式和大型AI注释.
• 现有的系统难以将AI无整合到病理成像工作流程中.

研究的目的:

• 开发一个开源解决方案 (Mainecoon) 以有效地整合数字病理学中的AI.
• 解决与整张幻灯片图像 (WSIs) 上人工智能生成的注释相关的性能瓶.

主要方法:

• 开发了Mainecoon,这是一个开源项目,利用了DICOM标准的WSIs.
• 集成了一个用于检测非酒精性脂肪肝炎 (NASH) 的AI模型,与DICOM工作组26 Connectathon数据集进行验证.
• 使用流和批处理来提高数据加载和前端性能.

主要成果:

• Mainecoon成功地使用显微镜批量简单注释标准编码AI结果,以实现无元数据集成.
• 该系统证明了数据加载效率的提高和用户等待时间的减少.
• 使用Flask实现的Web服务,与浏览器和Raccoon档案集成,确保安全身份验证.

结论:

• Mainecoon架构为现实世界数字病理学挑战提供了强大的,可互操作的和实用的解决方案.
• 该项目有效地解决了AI和结构化数据在WSIs中的集成问题.
• 这种方法提高了AI在病理学成像工作流程中的性能和适用性.